大数据时代的基本特征.docx

《大数据时代的基本特征.docx》由会员分享，可在线阅读，更多相关《大数据时代的基本特征.docx（4页珍藏版）》请在优知文库上搜索。

1、大数据时代的基本特征大数据时代早已经来临，大数据是信息科技高速发展的产物，要想全面了解大数据，就必须要了解大数据产生的时代背景，然后再根据大数据背景来了解大数据，大数据在以前被视为垃圾，现在却被视为资产，这是大数据时代的重要变革。互联网大数据我们需要乐观而务实地看待大数据革命，你只要抬头看周遭发生的大变化，就会明白这场革命已然开始，更大的变化即将而来。大数据时代建立在通过互联网、物联网等现代网络渠道广泛收集大量数据资源基础上的数据存储、价值提炼、智能处理和展示的信息时代，在这个时代，人们几乎能够从任何数据中获得可转换为推动人们生活方式变化的有价值的知识。大数据时代的基本特征，主要体现在以下几个

2、方面：1 .社会性。在大数据时代，从社会角度看，世界范围的计算机联网使越来越多的领域以数据流通取代产品流通，将生产演变成服务，将工业劳动演变成信息劳，信息劳动的产品不需要离它的原始占有者，就能够被买卖和交换，这类产品能够通过计算机网络大量复制和分配，不需要额外增加费用，其价值增加是通过知识而不是手工劳动来实现的，实现这一价值的主要工具就是计算机软件。2 .广泛性。在大数据时代，随着互联网技术的迅速崛起与普及,计算机技术不仅促进自然科学和人文科学各个领域的发展，而且全面融入人们的社会生活中，人们在不同领域采集到数据量，达到了前所未有的程度。同时，数据的产生、存储和处理方式发生了革命性的变化，人们

3、的工作和生活基本上都可以实现数字化。3 .公开性0大数据时代展示了从信息公开到数据技术演化的多维画卷，在大数据时代会有越来越多的数据被开放，被交叉使用。在这个过程中，虽然会考虑对于用户隐私的保护，但开放的、公共的网络环境是大势所趋。这种公开性和公共性的实现取决于若干个网络开放平台或云计算服务以及一系列受到法律支持或社会公认的数据标准和规范。4 .动态性。人们借助计算机能过互联网进入大数据时代，充分体现了大数据是基于互联网的实时动态数据，而不是历史的或严格控制环境下产生的内容。由于数据资料可以随时随地产生，因此，不仅数据资料的收集具有动态性，而且数据的存储技术、数据处理技术也可以随时更新，即处理

4、数据的工具也具有动态性。互联网大数据获客我们也认识到，零售业、金融业、医疗业、政府等公私领域，均藏有数据。通过大数据就能够解读和预测无数的现象，包括青少年是否未婚先孕，协助诊断早产儿的健康情况，帮忙规划快递的送货路线等。大数据将全面改变我们的生活，对经济、社会和科学研究带来极大影响，在这波新潮流中，同时也须懂得保护自己，避免个人数据和隐私受到侵害，信息拥有者朝信息用户方向转变才能适应大数据时代的需求。数智赋能高水平智库建设2022-12-27作者：孙建军来源：中国社会科学网随着大数据、人工智能、物联网、区块链等新一代信息技术的蓬勃发展，人类社会正大踏步迈入数字化、智能化时代，由此引发了生产力与

5、生产关系的变革，对生产、生活、科学研究等领域都产生了深刻影响Q首先，数智赋能推动了智库知识生产范式的革新。作为生产、存储、传播知识的机构，智库受数智环境的影响更直接、更深远。传统智库以人为核心，成果主要是专家智慧的产物，但大数据和人工智能使得智库朝着智慧化决策咨询的方向发展，即以“数据一信息一情报一知识”动能转换驱动的信息链支撑专家智慧，大数据分析、知识库、人工智能等技术的应用使得咨询更智能、研判更准确、决策更科学。其次，交叉创新是服务国家重大需求的现实路径。中共二十大报告提出，“推进国家治理体系和治理能力现代化”等一系列重大战略部署，对科学研究和智库服务的支撑提出了更高的要求，单一机构、单一

6、学科、单一视角、单一方法已难以满足有效服务国家重大需求。因此，要坚持问题导向、效果导向、服务导向，打破原有的学科边界、知识边界、方法边界，朝着数字化、智慧化、融合化创新的方向发展，加快智库知识生产流程，重组智库智慧决策力量,为中国式现代化建设提供准确、高效、有用的交叉创新知识产品。如数据智能与交叉创新实验室在数据资源归集、组织基础上，融合多学科专家智慧产出了长江经济带技术创新与产业发展分析报告、中国思想家语义挖掘与知识图谱、科学知识交叉分析与可视化平台三个带有交叉创新特征的智库产品。再次，智库联盟有效推动智库间的交流、合作与创新。智库联盟是集合优势力量进行交叉创新的有效举措，例如国家层面的高端智库建设、区域层面的地区智库建设、行业层面的专业智库建设等。智库联盟通过定期的人员、方法、产品交流互动，推动研究目标、研究范式、研究成果的革新，分享数智化创新实践效果。此外，得益于通信网络技术的进步，智库间也实现了网上合作、云上共享等新模式，实现了跨地域、跨机构、跨专业的交叉创新。（作者系南京大学数据智能与交叉创新实验室主任）